本文選題：醫(yī)學圖像分類 + 卷積受限玻爾茲曼機　； 參考：《計算機工程與科學》2017年02期

【摘要】：利用數(shù)據(jù)挖掘方法對醫(yī)學圖像做分析是目前研究的熱點之一,常用的挖掘方法首先需要從醫(yī)學圖像中提取特征,然后進行分類分析。目前,應用最多的是提取圖像的統(tǒng)計特征,這種方法對所提取的特征有很強的依賴性。采用一種深度學習的新方法——卷積受限玻爾茲曼機模型,并且采用改進的快速持續(xù)對比散度算法對模型進行訓練。該方法直接從乳腺X光圖像中自主學習特征并利用學習到的特征對圖像進行分類。實驗結(jié)果顯示,新方法對醫(yī)學圖像的分類精度相對于已有方法有明顯的提升。
[Abstract]:It is one of the hotspots to analyze medical images by using data mining methods. The commonly used mining methods first need to extract features from medical images and then classify and analyze them. At present, the most widely used is to extract the statistical features of the image, and this method has a strong dependence on the extracted features. A new method of deep learning, convolution constrained Boltzmann machine model, is adopted, and the improved fast continuous contrast divergence algorithm is used to train the model. The method can directly learn the features from mammography images and classify the images by using the features learned. The experimental results show that the classification accuracy of the new method is significantly higher than that of the existing methods.
【作者單位】： 西北師范大學計算機科學與工程學院;
【基金】：國家自然科學基金(61163036,61163039) 2012年度甘肅省高�；究蒲袠I(yè)務費專項資金(1201-16) 西北師范大學第三期知識與創(chuàng)新工程科研骨干項目(nwnu-kjcxgc-03-67)
【分類號】：R737.9;TP391.41

【參考文獻】

相關(guān)期刊論文 前4條

1 陳娜;蔣蕓;鄒麗;沈建;胡學偉;李志磊;;基于判別式受限玻爾茲曼機的醫(yī)學圖像分類法[J];計算機科學;2015年05期

2 劉建偉;劉媛;羅雄麟;;玻爾茲曼機研究進展[J];計算機研究與發(fā)展;2014年01期

3 謝國城;蔣蕓;陳娜;;基于超球體多類支持向量數(shù)據(jù)描述的醫(yī)學圖像分類新方法[J];計算機應用;2013年11期

4 余凱;賈磊;陳雨強;徐偉;;深度學習的昨天、今天和明天[J];計算機研究與發(fā)展;2013年09期

【共引文獻】

相關(guān)期刊論文 前10條

1 宋海聲;劉岸果;呂耕耕;;基于深度學習的空間變換情景感知模型研究[J];物聯(lián)網(wǎng)技術(shù);2017年03期

2 胡婕;張俊馳;;雙向循環(huán)網(wǎng)絡中文分詞模型[J];小型微型計算機系統(tǒng);2017年03期

3 孟奎;劉夢赤;胡婕;;基于字符級循環(huán)網(wǎng)絡的查詢意圖識別模型[J];計算機工程;2017年03期

4 潘書敏;顏娜;謝瑾奎;;基于用戶相似度和特征分化的廣告點擊率預測研究[J];計算機科學;2017年02期

5 馬勝藍;;面部分層過濾的銀行客戶識別系統(tǒng)[J];計算機系統(tǒng)應用;2017年02期

6 吳國文;李旭;;基于深度學習的人臉識別算法分析[J];網(wǎng)絡安全技術(shù)與應用;2017年02期

7 張娟;蔣蕓;胡學偉;肖吉澤;;基于卷積受限玻爾茲曼機的醫(yī)學圖像分類新方法[J];計算機工程與科學;2017年02期

8 王聲柱;李永忠;;基于深度學習和半監(jiān)督學習的入侵檢測算法[J];信息技術(shù);2017年01期

9 陶源;王佳飛;杜俊龍;關(guān)添;王健;曾沛英;胡洪義;朱汝妃;;基于卷積神經(jīng)網(wǎng)絡的細胞識別[J];中國醫(yī)學物理學雜志;2017年01期

10 閆志明;唐夏夏;秦旋;張飛;段元美;;教育人工智能(EAI)的內(nèi)涵、關(guān)鍵技術(shù)與應用趨勢——美國《為人工智能的未來做好準備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》報告解析[J];遠程教育雜志;2017年01期

【二級參考文獻】

相關(guān)期刊論文 前4條

1 謝國城;蔣蕓;陳娜;;基于超球體多類支持向量數(shù)據(jù)描述的醫(yī)學圖像分類新方法[J];計算機應用;2013年11期

2 楊瑩;吳誠煒;胡蘇;;基于受限玻爾茲曼機的中文文檔分類[J];科技創(chuàng)新導報;2012年16期

3 張超;蔣宏傳;;舒怡乳腺診斷儀在乳腺癌診斷中的應用[J];中華腫瘤防治雜志;2010年19期

4 徐圖;羅瑜;何大可;;超球體單類支持向量機的SMO訓練算法[J];計算機科學;2008年06期

【相似文獻】

相關(guān)碩士學位論文 前10條

1 李娟;基于RBM的小分子活性及選擇性研究[D];蘭州大學;2015年

2 葉睿;基于深度學習的人臉檢測方法研究[D];哈爾濱工業(yè)大學;2015年

3 張衛(wèi)東;深度信念網(wǎng)絡及其在手寫字體識別中的應用[D];成都理工大學;2015年

4 施維劏;門限玻爾茲曼機在人臉識別中的魯棒性研究[D];北京交通大學;2015年

5 萬程;自適應基數(shù)受限玻爾茲曼機[D];清華大學;2015年

6 李亦錟;受限的玻爾茲曼機在背景建模和文本建模中的研究與應用[D];中國科學技術(shù)大學;2016年

7 張艷霞;基于受限玻爾茲曼機的深度學習模型及其應用[D];電子科技大學;2016年

8 朱常寶;基于深度玻爾茲曼機的特征學習算法研究[D];北京化工大學;2016年

9 張怡康;基于受限玻爾茲曼機的深度學習方法研究[D];北京化工大學;2016年

10 董時靜;全局形狀與局部一致性聯(lián)合建模的顯著性檢測[D];大連理工大學;2016年

，

本文編號：2106448